低碳调度下机组组合问题的混沌遗传混合优化方法

提出了一种求解低碳调度下机组组合问题的混沌遗传混合优化方法。采用控制基因与参数基因编码方式对机组发电计划进行编码,通过结合电碳特征优先次序、混沌映射和随机生成3种方法提高初始种群多样性;将混沌迭代搜索引入到遗传算法的进化过程之中,构造新的变异算子,改进遗传算法过早收敛的缺点,并且在变异过程中进行按电碳特征优先权确定的区间偏移,达到了加快算法收敛速度的目的。通过算例验证了混沌遗传混合优化方法具有较好的收敛特性和全局搜索能力。     

改进云遗传算法在负荷优化分配中的应用

改进了一种基于云模型的遗传算法用以解决火电机组负荷优化分配问题.该算法将遗传算法的重组算子及变异算子进行云化,继承了云模型的随机性和稳定倾向性的特点.将该方法应用于某厂4台机组进行负荷优化分配,并与标准遗传算法进行比较,结果显示该方法的可行解优于标准遗传算法,证明了该方法在求解机组负荷优化分配问题的有效性及优越性.     

基于场景树和机会约束规划的含风电场电力系统机组组合

为了解决风电的随机波动性给含大规模风电场电力系统机组组合问题求解带来的影响,采用马尔科夫链原理描述风速变化的规律,并将它与场景树技术相结合,对风电的不确定性进行数学建模。同时基于机会约束规划建立了含风电场机组组合问题的随机数学模型,包含外层机组启停状态优化和内层机组间负荷经济分配两层优化子问题。在求解模型时,将离散粒子群算法(DPSO)与等微增率准则相结合,对两层优化问题进行交替迭代求解;同时提出开停机调整策略改善解的特性。对一个含风电场的10常规机组系统进行算例分析,验证了所提出数学模型和求解方法的合理性和有效性。     

市场环境下考虑电价的机组组合问题比较

为了比较市场环境下基于电价的确定性机组组合问题与考虑电价不确定性的随机机组组合问题模型的优劣,该文定义了两种风险指标,并采用改进粒子群算法求解这两种机组组合问题。在求解过程中,将机组组合问题分解为确定机组开停机表和确定机组出力的两阶段优化问题,并引入最小开停机修复策略。算例表明,在不同风险态度下,发电商应采取不同的机组组合问题数学模型并进行求解和决策。     

基于隐性备用约束的机组组合模型

提出了一种基于隐性备用约束的机组组合模型。与常规机组组合模型不同,该模型中的旋转备用约束并未明确给出,而是隐含在目标函数中的可靠性与经济性的平衡之中。采用解析法对机组组合方案的可靠性进行了评价,并在此基础上估算停电损失。可靠性评估过程中考虑了机组的随机故障与负荷的不确定性。采用遗传算法对模型进行了求解,除常规的复制、交叉、变异操作外,亦设计了智能变异操作算子以提升算法的寻优性能。基于某10机系统的仿真试验证了所提模型与算法的有效性。     

基于矩阵实数编码遗传算法求解大规模机组组合问题

该文提出了一种采用矩阵实数编码遗传算法(MRCGA)进行机组组合优化的新方法：采用矩阵实数编码方式对整体发电计划进行编码后，可直接运用遗传操作求解机组组合问题，避免将其分解成机组启停安排和经济负荷分配的两层优化问题进行求解；采用多窗口变异技术，增强了算法的搜索能力。此方法提出了一种新的个体调整方法，可以处理各项约束条件，保证了结果的可行性。文中通过2个算例及与其它算法的对比分析，验证了所提出的方法在大规模机组组合问题求解时具有很强的适应性和全局搜索能力。     

一种求解大规模机组组合问题的混合智能遗传算法

针对传统的采用二进制编码的遗传算法在求解大规模机组组合问题时收敛速度慢、易早熟等问题,作者结合机组组合问题的特点,提出了一种混合智能遗传算法.该算法以机组状态作为个体编码,结合启发式方法的自适应智能变异算子求解目标函数,显著缩小了求解问题的规模,保证了群体多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

基于最优保留的竞争自适应遗传算法的AGC机组调配

通过对电力市场下自动发电控制AGC(Automatic Generation Control)机组的调配问题的研究,提出了计及机组AGC调节容量变化的数学模型,对利用遗传算法求解这一非线性混合整数规划问题进行了探索,对遗传算法也作了相应的改进,加快了收敛速度,提高了全局搜索能力.对实际系统算例进行了仿真计算,并对遗传算法参数的选取与调整进行了讨论.     

含风电场的电力系统机组组合问题随机模拟粒子群算法

由于风电具有随机性,含有风电场的机组组合问题不再是一个常规意义下的确定性问题。利用传统的方法也难获得既经济又有较高可靠性的解。本文建立了基于机会约束规划的含风电场的电力系统机组组合的数学模型,以概率的形式描述相关约束条件,并把组合问题分为内外两层优化子问题求解。外层为机组的启停状态优化,用离散粒子群算法求解,并引入启发式搜索策略,有效提高了机组状态优化效率;内层为负荷经济分配,考虑到风电的不可靠性,利用随机模拟的改进粒子群算法求解,防止种群过早收敛于局部最优解,并确保发电计划的可行性。通过10机系统的算例计算,并与其他文献方法比较,结果表明该算法对解决含有风电场的电力系统机组组合的问题是行之有效的。     

不确定性条件下的城市配电网规划方法探讨

认为市场中的城市配电网规划面临的不确定性因素中负荷的变化尤为重要。引入了区间算法对不确定性负荷、配电网规划的数学模型和自动布线的初始化搜索方法进行了修改,并采用遗传禁忌混合算法对初始化网架进行了优化求解。将该改进规划方法应用于实际算例,与确定性规划得到的结果相比较表明该文所提方法适合于求解不确定性负荷条件下的城市中压配电网络规划问题,从而为不确定性条件下的城市配电网规划提供了参考。